OpenAI 今年猛猛自我迭代

文 ｜動(dòng)點(diǎn)科技

作者｜黃塵

排版｜Miziko

本文預(yù)計(jì)閱讀時(shí)長(zhǎng)7分鐘

如果說(shuō)2024年是文生圖的黃金期，那么2025年的 Sora 2 讓視頻生成進(jìn)入了“導(dǎo)演時(shí)代”。在這款產(chǎn)品里，提示詞不再只是描述，而是指令。用戶(hù)可以操縱鏡頭角度、控制人物動(dòng)作、甚至加入聲音同步。

Sora 2 的發(fā)布引起了一波小型創(chuàng)作革命。社交平臺(tái)上，創(chuàng)作者用它生成短片、品牌用它快速制作廣告、普通用戶(hù)則在 Sora App 里體驗(yàn)著導(dǎo)演們的快感。這不是簡(jiǎn)單的模型升級(jí)，而是一次從工具到娛樂(lè)生態(tài)的跨界嘗試。

而這只是 OpenAI 在2025年的冰山一角。

當(dāng)ChatGPT逐漸博士化

如果 Sora 2 是 OpenAI 展示創(chuàng)意的一面，那么 Deep Research（深入研究）則是它補(bǔ)上思考能力的那塊拼圖。OpenAI 于2025年2月在 ChatGPT 內(nèi)部引入了 Deep Research模式。這是一項(xiàng)新的代理功能，可在互聯(lián)網(wǎng)上針對(duì)復(fù)雜任務(wù)進(jìn)行多步驟研究，查找、分析并整合數(shù)百個(gè)在線來(lái)源，生成具有分析師水平的全面報(bào)告。

對(duì)于需要深度和細(xì)節(jié)的多方面專(zhuān)業(yè)領(lǐng)域查詢(xún)，Deep Research能夠進(jìn)行廣泛探索，并對(duì)每項(xiàng)主張進(jìn)行引證，這就是快速摘要與有據(jù)可查、經(jīng)過(guò)驗(yàn)證并可作為工作成果使用的答案之間的區(qū)別。

2024年底至2025年初，Google 推出了集成 Search + Gemini Advanced 的搜索式 AI 答案流，Anthropic 的 Claude 3.5 也引入了研究助手與多文檔閱讀功能。市場(chǎng)開(kāi)始傾向能提供“帶引用的動(dòng)態(tài)答案”的產(chǎn)品。

OpenAI 必須在這一競(jìng)爭(zhēng)節(jié)奏下回應(yīng)，否則 ChatGPT 將被視為封閉模型而非信息智能體。

Deep Research采用端到端強(qiáng)化學(xué)習(xí)方法，針對(duì)跨領(lǐng)域復(fù)雜瀏覽與推理任務(wù)進(jìn)行訓(xùn)練。通過(guò)這種訓(xùn)練，它學(xué)會(huì)了規(guī)劃和執(zhí)行多步驟軌跡來(lái)查找所需的數(shù)據(jù)，并在必要時(shí)進(jìn)行回溯和對(duì)實(shí)時(shí)信息做出反應(yīng)。它讓 ChatGPT 擁有真正意義上的“思考—檢索—驗(yàn)證”流程，而非單次生成，從而使其輸出更可靠、更可追溯。

在 Humanity’s Last Exam（人類(lèi)的最后考試，這是為了追蹤大型語(yǔ)言模型能力快速發(fā)展的覆蓋廣泛學(xué)科的終極封閉式學(xué)術(shù)基準(zhǔn)測(cè)試）中，Deep Research 的準(zhǔn)確率達(dá)到了創(chuàng)紀(jì)錄的 26.6%，遠(yuǎn)超之前的模型，包括 OpenAI 自己的 o1（9.1%）、DeepSeek-R1（9.4%）和 Claude 3.5 Sonnet（4.3%）。

值得注意的是，相比 OpenAI 的 o1，Deep Research 在化學(xué)、人文社會(huì)科學(xué)和數(shù)學(xué)領(lǐng)域取得了最大的進(jìn)步，在這些領(lǐng)域，Deep Research 展現(xiàn)了其分解復(fù)雜問(wèn)題和檢索權(quán)威信息的能力。

旗艦?zāi)Ｐ汀盥斆鞯摹按竽X”

GPT 系列的持續(xù)迭代，是 OpenAI 的核心戰(zhàn)略。而今年的主角 GPT-5，無(wú)疑是這家公司最重要的答卷。

GPT-5 不再只是語(yǔ)言模型，而是一個(gè)跨文字、圖像、音頻、視頻、代碼與結(jié)構(gòu)化數(shù)據(jù)的通用智能體內(nèi)核。它的目標(biāo)是讓任何人都能輕松構(gòu)建具備自主推理與操作能力的 AI Agent。

與 GPT-4 系列相比，GPT-5 在三個(gè)方面提升最明顯：推理深度、持久記憶與多模態(tài)協(xié)同。它的邏輯與鏈?zhǔn)酵评砟芰︼@著增強(qiáng)，能在復(fù)雜問(wèn)題（尤其是科研、編程、金融分析等）上保持一致性和解釋性。同時(shí)引入了持續(xù)上下文記憶，使模型可以記住長(zhǎng)期交互內(nèi)容，執(zhí)行多步任務(wù)而不丟失目標(biāo)。

在生態(tài)層面，GPT-5 與 OpenAI 的 AgentKit、ChatGPT Apps SDK 等工具深度整合，允許用戶(hù)像搭積木一樣構(gòu)建個(gè)性化智能體。換言之，GPT-5 不只是一個(gè)聊天模型，而是一個(gè)面向現(xiàn)實(shí)應(yīng)用的智能操作系統(tǒng)內(nèi)核，它既能生成知識(shí)，也能執(zhí)行任務(wù)、調(diào)用外部工具和 API。

由康奈爾大學(xué)運(yùn)營(yíng)的開(kāi)放學(xué)術(shù)平臺(tái) arXiv 上，有一篇名為《GPT-5 在多模態(tài)醫(yī)學(xué)推理方面的能力》的論文指出，在醫(yī)學(xué)多模態(tài)推理任務(wù)上，GPT-5 相比 GPT-4o 在“文本＋圖像診斷/醫(yī)學(xué)問(wèn)答”上取得了顯著提升。部分任務(wù)中，GPT-5 在理解、推理和圖像融合能力上都超過(guò)前代模型。

然而，認(rèn)知科學(xué)家Gary Marcus 在其文章中稱(chēng) GPT-5 為 “overhyped and underwhelming”（高估多于兌現(xiàn)），他表示：“GPT-5 或許在數(shù)量上有所改進(jìn)（而且成本可能更低），但它在質(zhì)量方面仍然與其前輩一樣失敗，比如在國(guó)際象棋、推理、視覺(jué)方面；有時(shí)甚至在計(jì)數(shù)和基礎(chǔ)數(shù)學(xué)方面。幻覺(jué)揮之不去?！?/p>

從工具到平臺(tái)

如果說(shuō) GPT-5 是大腦，那 ChatGPT Apps 就是讓這個(gè)大腦接軌世界的神經(jīng)網(wǎng)絡(luò)。

在2025年的 DevDay 上，OpenAI 讓整個(gè)行業(yè)意識(shí)到：ChatGPT 不僅是一個(gè)聊天界面，它正在變成一個(gè) AI 應(yīng)用平臺(tái)。其正式推出了Apps in ChatGPT功能與 Apps SDK，讓第三方服務(wù)能直接嵌入 ChatGPT 對(duì)話里。用戶(hù)只需在聊天中提一句“Spotify，給我做個(gè)派對(duì)歌單”或“Canva，幫我做個(gè)海報(bào)”，ChatGPT 會(huì)自動(dòng)調(diào)用對(duì)應(yīng) App，展示圖形界面、交互組件，甚至支持切換到全屏或畫(huà)中畫(huà)模式進(jìn)行深度操作。

以前用戶(hù)需要通過(guò)鏈接跳出 ChatGPT 界面去調(diào)用其他服務(wù)，體驗(yàn)割裂；現(xiàn)在 App 成為聊天的一部分，對(duì)話和操作界面合一，大幅提升效率與連貫性。

對(duì)開(kāi)發(fā)者而言，這一生態(tài)的開(kāi)放也至關(guān)重要。他們可借助統(tǒng)一標(biāo)準(zhǔn)觸達(dá)龐大的用戶(hù)群體，甚至實(shí)現(xiàn)變現(xiàn)與目錄分發(fā)。

智能自動(dòng)化平臺(tái) Celigo 認(rèn)為 AgentKit / Apps SDK 有助于集成 AI 與業(yè)務(wù)流程，但是缺乏協(xié)調(diào)混合工作流程（將確定性自動(dòng)化與代理步驟相結(jié)合）所需的編排，沒(méi)有原生機(jī)制來(lái)強(qiáng)制執(zhí)行防護(hù)措施，也沒(méi)有集中監(jiān)督，無(wú)法確保團(tuán)隊(duì)能監(jiān)控人工智能活動(dòng)、追蹤行動(dòng)或確?？缦到y(tǒng)的可靠性能。這對(duì)于平臺(tái)治理將會(huì)是一個(gè)艱難課題。

結(jié)語(yǔ)

盡管仍有不完美，但在這一年里，OpenAI 在多個(gè)方向上都實(shí)現(xiàn)了顯著的推進(jìn)。Sora 2 擴(kuò)展了 AI 在視頻創(chuàng)作領(lǐng)域的能力，Deep Research 將語(yǔ)言模型的檢索與論證能力推向新的高度，GPT-5 在多模態(tài)整合與推理能力上邁出關(guān)鍵一步，而 ChatGPT Apps 構(gòu)建了 AI 與外部服務(wù)交互的橋梁。

目前來(lái)看，OpenAI 正在從一個(gè)以提供應(yīng)用為主的 AI 公司向一個(gè)更為平臺(tái)化的平臺(tái)型公司轉(zhuǎn)變。即便前方仍有技術(shù)挑戰(zhàn)與倫理邊界，OpenAI 此番布局已展示出其在創(chuàng)作、智能、系統(tǒng)融合等領(lǐng)域的野心與路徑。

本文為動(dòng)點(diǎn)科技記者原創(chuàng)文章，未經(jīng)授權(quán)不得轉(zhuǎn)載，如需轉(zhuǎn)載或開(kāi)白請(qǐng)?jiān)诤笈_(tái)回復(fù)“轉(zhuǎn)載”。

- - - - - - - - END - - - - - - - -

互動(dòng)話題

Sora 2 會(huì)讓我們都成為導(dǎo)演嗎？

快來(lái)評(píng)論區(qū)留下你的觀點(diǎn)吧！

*想要獲取行業(yè)資訊、和志同道合的科技愛(ài)好者們分享心得，那就趕快掃碼添加“動(dòng)點(diǎn)君”加入群聊吧！群里更有不定期福利發(fā)放！

精彩好文值得推薦！

一鍵轉(zhuǎn)發(fā)，戳個(gè)在看！